哈丽特·纳马塔；齐夫·什凯迪；克里斯特尔·费斯；马克·阿尔茨；吉尔特·莫伦伯格；海蒂·泰顿；皮埃尔·范·达姆；菲利普·贝特斯 使用广义线性混合模型从当前状态数据估计感染力。 （英语） Zbl 1516.62502号 J.应用。斯达。 34，第8期，923-939（2007）. 摘要：基于英国风疹、腮腺炎和比利时水痘的血清前评价数据，我们展示了如何使用广义线性混合模型估计感染力，即易感人群感染的特定年龄比率[C.E.McCulloch公司和S.R.塞尔广义、线性和混合模型。纽约州纽约市：Wiley（2001；Zbl 0964.62061号)]. 通过包含固定和随机效应的惩罚样条来模拟感染力对年龄的依赖性，使我们可以使用广义线性混合模型技术来估计在给定年龄之前感染的累积概率和感染力。此外，这些模型允许自动选择平滑参数。估计感染力的平滑度可能受到节点数和所使用的惩罚样条线的程度的影响。为了确定这些，使用了不同的节数和不同的度，并对结果进行了比较，以确定这种灵敏度。具有不同节点数和不同程度多项式样条基的模拟表明，为了从血清学数据估计感染力，使用基于大约10个节点的二次惩罚样条。 MSC公司： 62至XX 统计 关键词：流行率数据；缺陷样条线；广义线性混合模型；平滑参数；感染力 引文：Zbl 0964.62061号 软件：半标准杆；格列米克 PDF格式BibTeX公司 XML格式引用 \textit{H.Namata}等人，J.Appl。Stat.34，No.8，923--939（2007；Zbl 1516.62502） 全文： 内政部 参考文献： [1] 基丁，N.1991。特定年龄的发病率和流行率：统计角度（有讨论）。英国皇家统计学会杂志, 154: 371-412. ·Zbl 1002.62504号 ·doi:10.2307/2983150 [2] Keiting，N.、Begtrup，K.、Scheike，H.T.和Hasibeder，G.，1996年。根据连续时间内的当前状态数据进行估算。终身数据分析, 2: 119-129. ·Zbl 0859.62095号 ·doi:10.1007/BF00128570 [3] McCullagh，P.和Nelder，J.A.1989年。广义线性模型伦敦：查普曼和霍尔出版社，第二届·Zbl 0588.62104号 ·doi:10.1007/978-1-4899-3242-6 [4] McCulloch，C.E.和Searle，S.R.，2001年。广义、线性和混合模型，纽约：威利·Zbl 0964.62061号 [5] Molenberghs，G.和Verbeke，G.2005。离散纵向数据，纽约：威利·Zbl 1093.62002号 [6] Nagelkerke，N.、Heisterkamp，S.、Borgdorff，M.、Broekmans，J.和Houwelingen，H.V.，1999年。根据系列流行率数据对年龄特定感染发生率进行半参数估计。医学统计学, 18: 307-320. [7] Robertson，T.、Wright，F.T.和Dykstra，R.L.，1988年。顺序限制的统计推断，纽约：威利·Zbl 0645.62028号 [8] Ruppert，D.、Wand，M.P.和Carrol，R.J.，2003年。半参数回归，纽约：剑桥大学出版社·Zbl 1038.62042号 ·doi:10.1017/CBO9780511755453 [9] SAS Institute Inc.2004年。“GLIMMIX”。在程序（实验）北卡罗来纳州卡里：SAS研究所。 [10] Shkedy，Z.、Aerts，M.、Molenberghs，G.、Beutels，P.和Damme，P.V.，2003年。使用单调局部多项式模拟感染力。应用统计学, 52: 469-485. ·Zbl 1111.92302号 ·doi:10.1111/1467-9876.00418 [11] Verbyla，A.P.、Cullis，B.R.、Kenward，M.G.和Welham，S.J.，1999年。利用平滑样条对设计实验和纵向数据进行分析。应用统计学, 48: 269-311. ·Zbl 0956.62062号 ·doi:10.1111/1467-9876.00154 [12] Whitaker，H.J.和Farrington，C.P.，2004年。根据血清学调查数据估计传染病参数：常规流行病的影响。医学统计学, 23: 2429-2443. 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。